CN111464819A - 直播图像检测方法、装置、设备及存储介质 - Google Patents

直播图像检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111464819A
CN111464819A CN202010236961.8A CN202010236961A CN111464819A CN 111464819 A CN111464819 A CN 111464819A CN 202010236961 A CN202010236961 A CN 202010236961A CN 111464819 A CN111464819 A CN 111464819A
Authority
CN
China
Prior art keywords
live broadcast
target
image
feature information
live
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010236961.8A
Other languages
English (en)
Other versions
CN111464819B (zh
Inventor
杨跃
董治
李深远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Music Entertainment Technology Shenzhen Co Ltd
Original Assignee
Tencent Music Entertainment Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Music Entertainment Technology Shenzhen Co Ltd filed Critical Tencent Music Entertainment Technology Shenzhen Co Ltd
Priority to CN202010236961.8A priority Critical patent/CN111464819B/zh
Publication of CN111464819A publication Critical patent/CN111464819A/zh
Application granted granted Critical
Publication of CN111464819B publication Critical patent/CN111464819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
    • H04N21/4415—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card using biometric characteristics of the user, e.g. by voice recognition or fingerprint scanning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种直播图像检测方法、装置、设备及存储介质，属于互联网技术领域。所述方法包括：达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像；基于预先训练的面部检测模型，确定所述目标直播图像中的目标面部图像；将所述目标面部图像输入预先训练的特征提取模型，得到所述目标面部图像的目标面部特征信息；确定所述目标面部特征信息与预先存储的所述目标直播间的基准面部特征信息的相似度，如果所述相似度小于预设的相似度阈值，则向目标设备发送携带有所述目标直播间的标识信息的异常通知。采用本申请，能够降低审核人员在审核周期内无法完成审核工作的可能性。

Description

直播图像检测方法、装置、设备及存储介质
技术领域
本申请涉及互联网领域，特别涉及一种直播图像检测方法、装置、设备及存储介质。
背景技术
近几年来直播行业迅速发展，观看主播直播已经是人们常见的一种娱乐方式，直播平台为了把控主播直播的内容的安全性，需要对主播的身份进行审核。
目前对主播的身份进行审核方式是：按照预先设置的审核周期获取直播间中的直播图像，再将直播图像发送到审核终端，由审核人员核对直播图像中的主播的身份是否与注册该直播间的主播身份一致。
在实现本申请的过程中，发明人发现现有技术至少存在以下问题：
由于每个主播进行直播的时间并不固定，直播平台中处于直播状态的直播间数量并不稳定，所以按照固定的审核周期获取直播间的直播图像，可能导致当处于直播状态的直播间数量增多时，审核人员在审核周期内无法完成对所有直播间的审核工作。
发明内容
本申请实施例提供了一种直播图像检测方法、装置、设备及存储介质，能够降低审核人员在审核周期内无法完成审核工作的可能性。所述技术方案如下：
一方面，提供了一种直播图像检测方法，所述方法包括：
达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像，其中，所述当前审核周期是基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定出来的；
基于预先训练的面部检测模型，确定所述目标直播图像中的目标面部图像；
将所述目标面部图像输入预先训练的特征提取模型，得到所述目标面部图像的目标面部特征信息；
确定所述目标面部特征信息与预先存储的所述目标直播间的基准面部特征信息的相似度，如果所述相似度小于预设的相似度阈值，则向目标设备发送携带有所述目标直播间的标识信息的异常通知。
可选的，所述在获取当前处于直播状态的目标直播间的目标直播图像之前，所述方法还包括：
在所述目标直播间建立后的预设时间段内，获取所述预设时间段内的多个直播图像；
基于预先训练的面部检测模型，确定每个直播图像中的面部图像；
将每个面部图像分别输入预先训练的特征提取模型，得到每个面部图像的面部特征信息；
基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息；
存储所述目标直播间的基准面部特征信息。
可选的，所述基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息，包括：
对所述每个面部图像的面部特征信息进行聚类处理，得到符合聚类条件的面部特征信息，作为所述目标直播间的基准面部特征信息。
可选的，基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定当前审核周期，包括：
达到上一审核周期时，确定上一审核周期处于直播状态的直播间的数目，如果所述数目大于预设的数目阈值，则基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期。
可选的，所述基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期，包括：
确定所述数目与所述数目阈值的比值与预设的基准审核周期的乘积，得到第一数值；
确定预设系数与预设的基准审核周期的乘积，得到第二数值，其中，所述预设系数大于1；
如果所述第一数值大于所述第二数值，则将所述第二数值确定为调整后的审核周期，如果所述第一数值小于所述第二数值，则将所述第一数值确定为当前审核周期。
可选的，所述获取当前处于直播状态的目标直播间的目标直播图像，包括：
每经过预设时长，获取目标直播间在所述预设时长内的直播视频数据，选取所述直播视频数据中指定位置的视频帧作为目标直播间的目标直播图像。
另一方面，提供了一种直播图像检测装置，所述装置包括：
获取模块，被配置为达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像，其中，所述当前审核周期是基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定出来的；
检测模块，被配置为基于预先训练的面部检测模型，确定所述目标直播图像中的目标面部图像；
提取模块，被配置为将所述目标面部图像输入预先训练的特征提取模型，得到所述目标面部图像的目标面部特征信息；
计算模块，被配置为确定所述目标面部特征信息与预先存储的所述目标直播间的基准面部特征信息的相似度，如果所述相似度小于预设的相似度阈值，则向目标设备发送携带有所述目标直播间的标识信息的异常通知。
可选的，所述装置还包括确定模块，被配置为：
在所述目标直播间建立后的预设时间段内，获取所述预设时间段内的多个直播图像；
基于预先训练的面部检测模型，确定每个直播图像中的面部图像；
将每个面部图像，分别输入预先训练的特征提取模型，得到每个面部图像的面部特征信息；
基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息；
存储所述目标直播间的基准面部特征信息。
可选的，所述确定模块，还被配置为：
对所述每个面部图像的面部特征信息进行聚类处理，得到符合聚类条件的面部特征信息，作为所述目标直播间的基准面部特征信息。
可选的，所述获取模块，被配置为：
达到审上一核周期时，确定上一审核周期处于直播状态的直播间的数目，如果所述数目大于预设的数目阈值，则基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期。
可选的，所述获取模块，被配置为：
确定所述数目与所述数目阈值的比值与预设的基准审核周期的乘积，得到第一数值；
确定预设系数与预设的基准审核周期的乘积，得到第二数值，其中，所述预设系数大于1；
如果所述第一数值大于所述第二数值，则将所述第二数值确定为调整后的审核周期，如果所述第一数值小于所述第二数值，则将所述第一数值确定为调整后的审核周期。
可选的，所述获取模块，被配置为：
每经过预设时长，获取目标直播间在所述预设时长内的直播视频数据，选取所述直播视频数据中指定位置的视频帧作为目标直播间的目标直播图像。
再一方面，提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上所述的直播图像检测方法所执行的操作。
再一方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上所述的直播图像检测方法所执行的操作。
本申请实施例提供的技术方案带来的有益效果是：
根据正在处于直播状态的直播间数目对审核周期进行动态动态调整，将审核人员在单位时间内审核的直播间数量控制在合适的范围内，另外通过获取正在处于直播状态的直播间的直播图像，提取的直播图像中主播的人脸特征信息，并与预先建立主播的人脸参照库中主播的人脸特征信息进行比对，将对比异常直播图像发送至审核终端，由审核人员审核，从而减少了审核人员的审核任务量。可见采用本申请，能够降低审核人员在审核周期内无法完成审核工作的可能性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种实施环境的示意图；
图2是本申请实施例提供的一种直播图像检测方法流程图；
图3是本申请实施例提供的一种直播图像检测方法示意图；
图4是本申请实施例提供的一种直播图像检测装置结构示意图；
图5是本申请实施例提供的服务器结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种实施环境的示意图。参见图1，本申请提供的在直播中进行人脸验证的方法可以由服务器实现。服务器可以与终端建立通信，可以接收终端传来的数据，还可以将终端发来的直播画面发送给其他终端，服务器且具有一定的处理能力，能对终端传来的数据进行处理。该服务器可以是一个单独的服务器也可以是一个服务器组，如果是单独的服务器，该服务器可以负责下述方案中的所有处理，如果是服务器组，服务器组中的不同服务器分别可以负责下述方案中的不同处理，具体的处理分配情况可以由技术人员根据实际需求任意设置，此处不再赘述。
直播有对应的直播应用程序，用户可以通过直播应用程序进行视频直播，也可以在主播应用程序中观看他人的直播视频。在直播应用程序中进行直播的用户可以称为主播。主播可以在安装有直播应用程序的终端前展示自己的才艺，如唱歌、跳舞等。终端可以通过摄像头、麦克风将主播直播的图像数据和音频数据采集下来，并实时的上传到服务器。每个主播都有自己的直播间，主播的直播视频内容都会在主播自己的直播间展示。服务器将各个直播间的信息推送给终端，用户可以根据直播间的信息来选择自己想要观看的主播。
用户如果想要成为主播，在直播应用程序中开通直播功能，可以通过直播应用程序上传自己的身份信息以及包含自己脸部的真实照片等信息，从而在直播应用程序中注册一个自己的直播间，注册成功之后，主播便可以在直播应用程序中进行直播。审核人员可以在主播直播的过程中，基于主播在注册直播间时上传的身份信息以及包含自己脸部的真实照片等信息，对直播间内的主播的身份进行验证。但实际操作中，由于同时进行直播的直播间数量巨大，直播应用程序还可能会对主播的脸部添加特效、进行美颜处理，这就导致审核人员的审核任务量巨大，审核难度大。本申请实施例提供的在直播中进行人脸验证的方法，应用在主播在直播间进行直播的过程中，可以验证直播间中正在进行直播的主播的身份是否与注册该直播间时用的身份一致，可以减少审核人员的审核任务量。
图2是本申请实施例提供的一种直播图像检测的流程图。参见图2，该实施例包括：
步骤201，达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像。
其中，所述当前审核周期是基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定出来的。
在实施中，服务器中设置有身份验证网络，身份验证网络可以通过直播视频数据流旁路出的HLS(HTTP Live Streaming，一种流媒体网络传输协议)视频获取主播直播视频的视频帧。在身份验证网络中可根据服务器中正在处于直播状态的直播间数目设置一个动态的审核周期获取主播直播视频的视频帧，当正在处于直播状态的直播间数目变多时，可延长审核周期的时长。每当上一个审核周期结束时，可通过上一审核周期结束时服务器中正在处于直播状态的直播间数目，以及预设的数目阈值和预设的基准审核周期计算得到下一个审核周期时长，即当前审核周期的时长。其中，基准审核周期可由技术人员设定，预设的数目阈值可根据服务器的计算能力进行设置，即可以是服务器在预设的基准审核周期中，可完成审核的直播间的数目，另外，可以根据每个直播间的热度进行排序，得到直播间热度排行。例如，根据观看人数或粉丝数量对正在直播的直播间进行排序，将观看人数或粉丝数量多的直播间排在前面，得到直播间热度排行。在对审核时，可以对热度排行靠前的直播间进行审核以减少审核任务量。
可选的，通过处于直播状态的直播间数目，以及预设的数目阈值和预设的基准审核周期计算得到当前审核周期的处理如下：达到上一审核周期时，确定上一审核周期处于直播状态的直播间的数目，如果所述数目大于预设的数目阈值，则基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期。
在实施中，可以根据处于直播状态的直播间的数目，对审核周期进行调整。在完成上一个审核周期时，可确定上一个审核周期结束时处于直播状态的直播间的数目，若处于直播状态的直播间的数目小于所预设的数目阈值时，则可以按照预设的基准审核周期确定当前的审核周期，对主播的身份进行审核。当处于直播状态的直播间的数目大于所预设的数目阈值时，可通过处于直播状态的直播间的数目，以及预设的数目阈值和预设的基准审核周期进行计算得到当前的审核周期。
可选的，在通过处于直播状态的直播间的数目，以及预设的数目阈值和预设的基准审核周期进行计算当前的审核周期时，可以确定处于直播状态的直播间的数目与数目阈值的比值与预设的基准审核周期的乘积，得到第一数值，确定预设系数与预设的基准审核周期的乘积，得到第二数值，其中，预设系数大于1，如果第一数值大于第二数值，则将第二数值确定为调整后的审核周期，如果第一数值小于第二数值，则将第一数值确定为调整后的审核周期。
在实施中，当前审核周期是通过处于直播状态的直播间的数目，以及预设的数目阈值和预设的基准审核周期进行计算，计算公式如下：
Figure BDA0002431321150000071
其中，t'0为下次获取直播间的视频帧时间间隔，即当前审核周期，t0为预设的固定时间间隔，即基准审核周期，s0为技术人员预设的数目阈值，si为上一审核周期结束时处于直播状态的直播间数量，a为业务能承受的实时性延时系数，其中，a大于1。
如果正在处于直播状态的直播间数量si小于等于技术人员预设的数目阈值s0时，则下次获取直播间的视频帧时间间隔t'0等于预设的固定时间间隔t0，如果正在处于直播状态的直播间数量si大于技术人员预设的数目阈值s0时，则首先计算正在处于直播状态的直播间数量si与技术人员预设的数目阈值s0的比值，再与预设的固定时间间隔t0相乘得到第一数值，计算实时性延时系数a与预设的固定时间间隔t0相乘得到第二数值，然后比较第一数值和第二数值，如果第一数值小，则将第一数值作为下次获取直播间的视频帧时间间隔t'0，如果第二数值小，则将第二数值作为下次获取直播间的视频帧时间间隔t'0。
例如，预设的固定时间间隔t0可以设置为10s，技术人员预设的数目阈值s0可以设置为1000，实时性延时系数a可以设置为1.3。若当前正在直播的直播间数量si小于等于1000时，则服务器下次获取直播间的视频帧的时间间隔t'0等于预设的固定时间间隔t0，即10s。若当前正在直播的直播间数量si大于1000小于1300时，则计算出的第一数值的范围在10-13之间，计算出的第二数值为13，则下次获取直播间的视频帧的时间间隔t'0采用第一数值。若当前正在直播的直播间数量si大于1300时，计算出的第一数值大于13，则下次获取直播间的视频帧的时间间隔t'0采用第二数值。则确定的时间间隔(即当前当前审核周期的时长)可控制在基准周期的时长与直播平台可承受的审核延时时长的范围内，由于基准周期是根据服务器的计算能力设置的，所以确定的服务器根据当前审核周期时长对直播间进行审核，即能够对服务器中的计算资源有效利用，保证直播平台的稳定运行，又能保证直播平台进行审核的及时性。
可选的，在每个审核周期中，可对每个直播间获取多张直播图像，相应的处理可以如下：每经过预设时长，获取目标直播间在所述预设时长内的直播视频数据，选取所述直播视频数据中指定位置的视频帧作为目标直播间的目标直播图像。
在实施中，身份验证网络可以通过直播视频数据流旁路推流出的HLS视频获取主播直播视频的视频帧，可如图3所示。而HLS的原理是每经过预设时长，将在预设时长内缓存的时长为预设时长的视频流封包成一个新的ts(Transport Stream，传送流)文件。技术人员可将预设时长缩短，例如缩短到1秒，则服务器在接收到直播视频数据的1秒之后，即可由旁路推流出HLS视频，从而保证获取直播间中直播图像的及时性。在获取旁路推流出HLS视频中包括的ts文件之后，可使用FFmpeg(一种可以获取视频中视频帧的算法)截取该片段中指定位置的帧视频，如处于中间时刻的是视频帧作为主播直播间的直播图像。
步骤202，基于预先训练的面部检测模型，确定目标直播图像中的目标面部图像。
在实施中，当服务器从直播流中获取到主播直播视频的视频帧后，会将视频帧输入到面部检测模型，首先检测视频帧中是否有人脸。其中，面部检测模型，与上述建立人脸参照库时，用的面部检测模型相同。如果在视频帧中没有检测到人脸，则确定视频帧中没有主播人脸，然后输出视频帧中没有人脸的信息。如果检测到视频帧中有人脸，则确定视频帧中有人脸，然后输出视频帧中人脸的大小和位置信息，即确定了视频帧中的面部图像。
另外，在确定了视频帧的面部图像后，还可以将面部图像输入到人脸属性识别模型，以检测主播人脸的属性信息。例如，主播的性别，主播人脸的视觉年龄，主播的颜值等。然后根据得到的主播的人脸属性信息，将主播的直播间信息推送给合适的观看用户。
步骤203，将目标面部图像输入预先训练的特征提取模型，得到目标面部图像的目标面部特征信息。
在实施中，可以将步骤202中提取的人脸图像输入到特征提取模型，得到人脸图像的特征信息，其中，人脸图像的特征信息可以为向量。例如，通过特征提取模型的提取主播人脸图像得到的人脸特征信息为：freal。
步骤204，确定目标面部特征信息与预先存储的目标直播间的基准面部特征信息的相似度，如果相似度小于预设的相似度阈值，则向目标设备发送携带有目标直播间的标识信息的异常通知。
在实施中，将得到的主播人脸图像的特征信息分别与为主播建立的人脸参照库中的面部特征信息进行对比，得到与人脸参照库中每个面部特征信息的相似度。如果得到的所有相似度都小于预设的阈值，说明得到的人脸图像与建立人脸参照库时的人脸图像不一致，则认定此时直播间内的主播的身份与注册直播间时用的身份不一致。
例如，通过特征提取模型提取出主播的人脸的特征信息为：freal，而针对主播建立的人脸参照库中的人脸特征信息为
Figure BDA0002431321150000091
此时可以求主播的人脸的特征信息freal与针对主播建立的人脸参照库中的人脸特征信息
Figure BDA0002431321150000092
的相似度。在对比之前，可以设定一个的阈值γ，对比公式如下：
Figure BDA0002431321150000101
主播的人脸的特征信息freal分别与针对主播建立的人脸参照库中每个人脸特征信息
Figure BDA0002431321150000102
进行做差，如果差值小于之前设定的阈值，则结果为1，如果差值大于之前设定的阈值，则结果为0。如果对比结果中不全为0，说明当前直播间中主播的人脸特征信息与之前建立基准面部特征信息时的人脸特征信息相符，如果对比的所有结果s都为0，说明当前直播间中主播的人脸特征信息与之前建立基准面部特征信息时的人脸特征信息不相符，则判定当前正在进行直播的主播的身份与注册该直播间时用的身份不相符。
当服务器检测到直播间中正在进行直播的主播的身份与注册该直播间时用的身份不相符，则服务器可以将该直播间的对应的直播标识发送给审核人员，审核人员可以根据直播标识进入对应的直播间，对直播间中正在进行直播的主播的身份进行人工确认，如果经审核人员验证，确实存在有身份不相符的情况，审核人员可以往直播间中发送警告信息，或者，对直播间进行关闭、封停等操作。
可选的，服务器在对主播的身份进行验证之前，可预先建立人脸参照库，在人脸参照库中存储有每个主播的基准面部特征信息，相应的处理如下：
步骤2041、在所述目标直播间建立后的预设时间段内，获取所述预设时间段内的多个直播图像。
在实施中，对直播间中的主播进行身份验证之前，可以从主播的直播视频中获取一定数量的视频帧。然后根据获取的视频帧里的人脸图像，为主播建立一个人脸参照库，作为验证直播间内主播身份的依据。其中，可以在主播注册直播间之后，并在主播的直播时长累计达到预设的时间长度之前，对主播直播视频的视频帧进行周期获取。例如，每小时获取10个视频帧。其中，预设的时间长度可以由技术人员预设。例如，预设的时间长度可以是10个小时，这样，可以针对每个主播获取到100个视频帧，然后根据获取到100个视频帧，为对应的主播建立人脸参照库。
另外，还可以设置视频帧的获取时间点。在获取时间点之后，对所有的主播直播视频的视频帧进行周期性获取。当主播的直播时长累计达到预设的时长长度时，说明采集的视频帧的数量达到了建立人脸数据库的要求，便停止对主播直播视频的视频帧进行获取，然后以获取的视频帧建立主播的人脸参照库。其中，预设的时间长度可以由技术人员预设。例如，预设的时间长度可以是10个小时，每小时获取10个视频帧，这样，便可以针对每个主播获取到100个视频帧，然后根据获取到100个视频帧，为对应的主播建立人脸参照库。
步骤2042、基于预先训练的面部检测模型，确定每个直播图像中的面部图像。将每个面部图像，分别输入预先训练的特征提取模型，得到每个面部图像的面部特征信息。基于每个面部图像的面部特征信息，确定目标直播间的基准面部特征信息，然后对目标直播间的基准面部特征信息进行存储。
在实施中，首先将从主播直播间的直播视频中获取到的视频帧，输入到面部检测模型，检测视频帧里是否含有人脸，如果视频帧里没有人脸，则输出一个不含有人脸的信息，如果视频帧有人脸，则输出人脸的大小和位置信息，即得到了主播的人脸图像。然后将得到的主播的人脸图像输入到特征提取模型，对人脸图像进行特征提取，得到每张人脸图像的面部特征信息，其中，面部特征信息可以为向量。然后将从视频帧中提取的面部特征信息存储到服务器，为每个直播间的主播建立一个人脸参照库。
可选的，对每个面部图像的面部特征信息进行聚类处理，得到符合聚类条件的面部特征信息，作为所述目标直播间的基准面部特征信息。
在实施中，将得到的面部特征信息进行聚类处理，去除面部特征信息中与其他面部特征信息差异较大的面部特征信息。例如，获取的主播直播视频的视频帧中包含有不是主播的人脸时，在聚类处理中会将上述人脸去除。然后将去除与其他面部特征信息差异较大的面部特征信息，剩下的面部特征信息存储到服务器，为每个直播间的主播建立一个人脸参照库。
例如，对一个直播间中主播直播视频的视频帧进行获取之后，首先检测视频帧内是否有人脸，如果有人脸，则获取视频帧内的人脸图像，然后将人脸图像输入到特征提取模型，进行面部特征信息提取，提取到的面部特征信息可以为：
Figure BDA0002431321150000111
然后将得到的这些面部特征信息通过DBSCAN聚类算法，将与其他面部特征信息差异较大的面部特征信息去除，保留剩下的人脸特征信息作为主播的人脸参照库。如果
Figure BDA0002431321150000112
为异常的面部特征信息，则保留的人脸特征信息为：
Figure BDA0002431321150000113
则建立的人脸参照库中包含的人脸特征信息为：
Figure BDA0002431321150000114
本申请实施例，根据正在处于直播状态的直播间数目对审核周期进行动态动态调整，将审核人员在单位时间内审核的直播间数量控制在合适的范围内，另外通过获取正在处于直播状态的直播间的直播图像，提取的直播图像中主播的人脸特征信息，并与预先建立主播的人脸参照库中主播的人脸特征信息进行比对，将对比异常直播图像发送至审核终端，由审核人员审核，从而减少了审核人员的审核任务量。可见采用本申请，能够降低审核人员在审核周期内无法完成审核工作的可能性。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图4是本申请实施例提供的一种直播图像检测的装置，该装置可以是上述实施例中的服务器，如图4所示，所述装置包括：
获取模块410，达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像，其中，所述当前审核周期是基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定出来的。
检测模块420，被配置为基于预先训练的面部检测模型，确定所述目标直播图像中的目标面部图像。
提取模块430，被配置为将所述目标面部图像输入预先训练的特征提取模型，得到所述目标面部图像的目标面部特征信息。
计算模块440，被配置为确定所述目标面部特征信息与预先存储的所述目标直播间的基准面部特征信息的相似度，如果所述相似度小于预设的相似度阈值，则向目标设备发送携带有所述目标直播间的标识信息的异常通知。
可选的，所述装置中还包括确定模块，被配置为：
在所述目标直播间建立后的预设时间段内，获取所述预设时间段内的多个直播图像；
基于预先训练的面部检测模型，确定每个直播图像中的面部图像；
将每个面部图像分别输入预先训练的特征提取模型，得到每个面部图像的面部特征信息；
基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息；
存储所述目标直播间的基准面部特征信息。
可选的，所述计算模块440，被配置为：
对所述每个面部图像的面部特征信息进行聚类处理，得到符合聚类条件的面部特征信息，作为所述目标直播间的基准面部特征信息。
可选的，所述获取模块410，被配置为：
达到上一审核周期时，确定上一审核周期处于直播状态的直播间的数目，如果所述数目大于预设的数目阈值，则基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期。
可选的，所述获取模块410，还被配置为：
确定所述数目与所述数目阈值的比值与预设的基准审核周期的乘积，得到第一数值；
确定预设系数与预设的基准审核周期的乘积，得到第二数值，其中，所述预设系数大于1；
如果所述第一数值大于所述第二数值，则将所述第二数值确定为调整后的审核周期，如果所述第一数值小于所述第二数值，则将所述第一数值确定为当前的审核周期。
需要说明的是：上述实施例提供的直播图像检测的装置在直播图像检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的直播图像检测的装置与直播图像检测的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图5是本申请实施例提供的一种服务器的结构示意图，该服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processingunits，CPU)501和一个或一个以上的存储器502，其中，所述存储器502中存储有至少一条指令，所述至少一条指令由所述处理器501加载并执行以实现上述各个方法实施例提供的方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中直播图像检测的方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (14)

1.一种直播图像检测方法，其特征在于，所述方法包括：
达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像，其中，所述当前审核周期是基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定出来的；
基于预先训练的面部检测模型，确定所述目标直播图像中的目标面部图像；
将所述目标面部图像输入预先训练的特征提取模型，得到所述目标面部图像的目标面部特征信息；
确定所述目标面部特征信息与预先存储的所述目标直播间的基准面部特征信息的相似度，如果所述相似度小于预设的相似度阈值，则向目标设备发送携带有所述目标直播间的标识信息的异常通知。
2.根据权利要求1所述的方法，其特征在于，所述在获取当前处于直播状态的目标直播间的目标直播图像之前，所述方法还包括：
在所述目标直播间建立后的预设时间段内，获取所述预设时间段内的多个直播图像；
基于预先训练的面部检测模型，确定每个直播图像中的面部图像；
将每个面部图像分别输入预先训练的特征提取模型，得到每个面部图像的面部特征信息；
基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息；
存储所述目标直播间的基准面部特征信息。
3.根据权利要求2所述的方法，其特征在于，所述基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息，包括：
对所述每个面部图像的面部特征信息进行聚类处理，得到符合聚类条件的面部特征信息，作为所述目标直播间的基准面部特征信息。
4.根据权利要求1所述的方法，其特征在于，基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定当前审核周期，包括：
达到上一审核周期时，确定上一审核周期处于直播状态的直播间的数目，如果所述数目大于预设的数目阈值，则基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期。
5.根据权利要求4所述的方法，其特征在于，所述基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期，包括：
确定所述数目与所述数目阈值的比值与预设的基准审核周期的乘积，得到第一数值；
确定预设系数与预设的基准审核周期的乘积，得到第二数值，其中，所述预设系数大于1；
如果所述第一数值大于所述第二数值，则将所述第二数值确定为调整后的审核周期，如果所述第一数值小于所述第二数值，则将所述第一数值确定为当前审核周期。
6.根据权利要求1所述的方法，其特征在于，所述获取当前处于直播状态的目标直播间的目标直播图像，包括：
每经过预设时长，获取目标直播间在所述预设时长内的直播视频数据，选取所述直播视频数据中指定位置的视频帧作为目标直播间的目标直播图像。
7.一种直播图像检测装置，其特征在于，所述装置包括：
获取模块，被配置为达到当前审核周期时，获取当前处于直播状态的目标直播间的目标直播图像，其中，所述当前审核周期是基于上一审核周期处于直播状态的直播间的数目、预设的数目阈值以及预设的基准审核周期确定出来的；
检测模块，被配置为基于预先训练的面部检测模型，确定所述目标直播图像中的目标面部图像；
提取模块，被配置为将所述目标面部图像输入预先训练的特征提取模型，得到所述目标面部图像的目标面部特征信息；
计算模块，被配置为确定所述目标面部特征信息与预先存储的所述目标直播间的基准面部特征信息的相似度，如果所述相似度小于预设的相似度阈值，则向目标设备发送携带有所述目标直播间的标识信息的异常通知。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括确定模块，被配置为：
在所述目标直播间建立后的预设时间段内，获取所述预设时间段内的多个直播图像；
基于预先训练的面部检测模型，确定每个直播图像中的面部图像；
将每个面部图像，分别输入预先训练的特征提取模型，得到每个面部图像的面部特征信息；
基于所述每个面部图像的面部特征信息，确定所述目标直播间的基准面部特征信息；
存储所述目标直播间的基准面部特征信息。
9.根据权利要求8所述的装置，其特征在于，所述确定模块，还被配置为：
对所述每个面部图像的面部特征信息进行聚类处理，得到符合聚类条件的面部特征信息，作为所述目标直播间的基准面部特征信息。
10.根据权利要求7所述的装置，其特征在于，所述获取模块，被配置为：
达到上一审核周期时，确定上一审核周期处于直播状态的直播间的数目，如果所述数目大于预设的数目阈值，则基于所述数目、所述数目阈值和预设的基准审核周期，确定当前审核周期。
11.根据权利要求10所述的装置，其特征在于，所述获取模块，被配置为：
确定所述数目与所述数目阈值的比值与预设的基准审核周期的乘积，得到第一数值；
确定预设系数与预设的基准审核周期的乘积，得到第二数值，其中，所述预设系数大于1；
如果所述第一数值大于所述第二数值，则将所述第二数值确定为调整后的审核周期，如果所述第一数值小于所述第二数值，则将所述第一数值确定为当前的审核周期。
12.根据权利要求7所述的装置，其特征在于，所述获取模块，被配置为：
每经过预设时长，获取目标直播间在所述预设时长内的直播视频数据，选取所述直播视频数据中指定位置的视频帧作为目标直播间的目标直播图像。
13.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求6任一项所述的直播图像检测方法所执行的操作。
14.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的直播图像检测方法所执行的操作。
CN202010236961.8A 2020-03-30 2020-03-30 直播图像检测方法、装置、设备及存储介质 Active CN111464819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010236961.8A CN111464819B (zh) 2020-03-30 2020-03-30 直播图像检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010236961.8A CN111464819B (zh) 2020-03-30 2020-03-30 直播图像检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111464819A true CN111464819A (zh) 2020-07-28
CN111464819B CN111464819B (zh) 2022-07-15

Family

ID=71681542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010236961.8A Active CN111464819B (zh) 2020-03-30 2020-03-30 直播图像检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111464819B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259697A (zh) * 2021-05-12 2021-08-13 腾讯科技（深圳）有限公司 一种直播状态的通知方法、相关装置、设备及存储介质
CN113837208A (zh) * 2021-10-18 2021-12-24 北京远鉴信息技术有限公司 一种异常图像的确定方法、装置、电子设备及存储介质
CN113852835A (zh) * 2021-09-22 2021-12-28 北京百度网讯科技有限公司 直播音频处理方法、装置、电子设备以及存储介质
CN113873278A (zh) * 2021-09-26 2021-12-31 北京奇艺世纪科技有限公司 播放内容审核方法、装置及电子设备
CN114302157A (zh) * 2021-12-23 2022-04-08 广州津虹网络传媒有限公司 属性标签识别、代播事件检测方法及其装置、设备、介质
CN115134617A (zh) * 2022-06-16 2022-09-30 招商银行股份有限公司 直播质检系统、方法、Web服务器及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130247120A1 (en) * 2012-03-14 2013-09-19 Michael Milgramm Live stream detection and notification service
CN106254954A (zh) * 2016-07-26 2016-12-21 广州酷狗计算机科技有限公司 一种发送直播通知的方法和装置
CN107222780A (zh) * 2017-06-23 2017-09-29 中国地质大学（武汉） 一种直播平台综合状态感知和内容实时监管方法及系统
CN108235054A (zh) * 2017-12-15 2018-06-29 北京奇虎科技有限公司 一种直播视频数据的处理方法和装置
CN109104615A (zh) * 2018-07-10 2018-12-28 神盾网络安全信息化中心股份有限公司 一种基于网络信息安全的直播方法
CN109246451A (zh) * 2018-08-23 2019-01-18 武汉斗鱼网络科技有限公司 一种直播间推荐方法、装置、服务器及存储介质
CN109271965A (zh) * 2018-10-11 2019-01-25 百度在线网络技术（北京）有限公司 视频审核方法、装置及存储介质
CN109803152A (zh) * 2018-12-28 2019-05-24 广州华多网络科技有限公司 违规审核方法、装置、电子设备以及存储介质
CN109831698A (zh) * 2018-12-28 2019-05-31 广州华多网络科技有限公司 信息审核方法、装置、电子设备及计算机可读取存储介质
CN109831695A (zh) * 2018-12-15 2019-05-31 深圳壹账通智能科技有限公司 直播控制方法、装置、电子设备及存储介质
CN110365996A (zh) * 2019-07-25 2019-10-22 深圳市元征科技股份有限公司 直播管理方法、直播管理平台、电子设备及存储介质
CN110505490A (zh) * 2018-05-18 2019-11-26 阿里巴巴集团控股有限公司 多媒体数据识别方法和系统
CN110647641A (zh) * 2019-08-15 2020-01-03 平安科技（深圳）有限公司 身份验证方法、装置、计算机设备和存储介质
US20200099963A1 (en) * 2017-12-06 2020-03-26 Dwango Co., Ltd. Server and program

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130247120A1 (en) * 2012-03-14 2013-09-19 Michael Milgramm Live stream detection and notification service
CN106254954A (zh) * 2016-07-26 2016-12-21 广州酷狗计算机科技有限公司 一种发送直播通知的方法和装置
CN107222780A (zh) * 2017-06-23 2017-09-29 中国地质大学（武汉） 一种直播平台综合状态感知和内容实时监管方法及系统
US20200099963A1 (en) * 2017-12-06 2020-03-26 Dwango Co., Ltd. Server and program
CN108235054A (zh) * 2017-12-15 2018-06-29 北京奇虎科技有限公司 一种直播视频数据的处理方法和装置
CN110505490A (zh) * 2018-05-18 2019-11-26 阿里巴巴集团控股有限公司 多媒体数据识别方法和系统
CN109104615A (zh) * 2018-07-10 2018-12-28 神盾网络安全信息化中心股份有限公司 一种基于网络信息安全的直播方法
CN109246451A (zh) * 2018-08-23 2019-01-18 武汉斗鱼网络科技有限公司 一种直播间推荐方法、装置、服务器及存储介质
CN109271965A (zh) * 2018-10-11 2019-01-25 百度在线网络技术（北京）有限公司 视频审核方法、装置及存储介质
CN109831695A (zh) * 2018-12-15 2019-05-31 深圳壹账通智能科技有限公司 直播控制方法、装置、电子设备及存储介质
CN109831698A (zh) * 2018-12-28 2019-05-31 广州华多网络科技有限公司 信息审核方法、装置、电子设备及计算机可读取存储介质
CN109803152A (zh) * 2018-12-28 2019-05-24 广州华多网络科技有限公司 违规审核方法、装置、电子设备以及存储介质
CN110365996A (zh) * 2019-07-25 2019-10-22 深圳市元征科技股份有限公司 直播管理方法、直播管理平台、电子设备及存储介质
CN110647641A (zh) * 2019-08-15 2020-01-03 平安科技（深圳）有限公司 身份验证方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张宁等: "网络直播间:新部落的建构及其亚文化特征", 《现代传播(中国传媒大学学报)》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259697A (zh) * 2021-05-12 2021-08-13 腾讯科技（深圳）有限公司 一种直播状态的通知方法、相关装置、设备及存储介质
CN113259697B (zh) * 2021-05-12 2022-04-08 腾讯科技（深圳）有限公司 一种直播状态的通知方法、相关装置、设备及存储介质
CN113852835A (zh) * 2021-09-22 2021-12-28 北京百度网讯科技有限公司 直播音频处理方法、装置、电子设备以及存储介质
CN113873278A (zh) * 2021-09-26 2021-12-31 北京奇艺世纪科技有限公司 播放内容审核方法、装置及电子设备
CN113873278B (zh) * 2021-09-26 2024-01-23 北京奇艺世纪科技有限公司 播放内容审核方法、装置及电子设备
CN113837208A (zh) * 2021-10-18 2021-12-24 北京远鉴信息技术有限公司 一种异常图像的确定方法、装置、电子设备及存储介质
CN113837208B (zh) * 2021-10-18 2024-01-23 北京远鉴信息技术有限公司 一种异常图像的确定方法、装置、电子设备及存储介质
CN114302157A (zh) * 2021-12-23 2022-04-08 广州津虹网络传媒有限公司 属性标签识别、代播事件检测方法及其装置、设备、介质
CN114302157B (zh) * 2021-12-23 2023-11-17 广州津虹网络传媒有限公司 属性标签识别、代播事件检测方法及其装置、设备、介质
CN115134617A (zh) * 2022-06-16 2022-09-30 招商银行股份有限公司 直播质检系统、方法、Web服务器及存储介质
CN115134617B (zh) * 2022-06-16 2024-04-26 招商银行股份有限公司 直播质检系统、方法、Web服务器及存储介质

Also Published As

Publication number Publication date
CN111464819B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN111464819B (zh) 直播图像检测方法、装置、设备及存储介质
CN105915953B (zh) 直播视频鉴别的方法、装置、系统、服务器和存储介质
WO2017166472A1 (zh) 广告数据匹配方法、装置及系统
CN110659604A (zh) 视频检测方法、装置、服务器及存储介质
CN111586432B (zh) 空播直播间确定方法、装置、服务器及存储介质
CN109960969B (zh) 移动路线生成的方法、装置及系统
CN109658040A (zh) 会议管理的方法、装置、设备及计算机存储介质
CN109831699B (zh) 图像审核处理方法、装置、电子设备及存储介质
CN111757148A (zh) 体育赛事视频处理方法、装置和系统
CN113315979A (zh) 数据处理方法、装置、电子设备和存储介质
CN115396705A (zh) 投屏操作验证方法、平台及系统
CN108647613B (zh) 一种应用于考场的考生查验方法
CN111611973B (zh) 目标用户识别的方法、装置及存储介质
CN113395599A (zh) 一种视频处理方法、装置、电子设备及介质
CN110610164A (zh) 人脸图像处理方法、系统、服务器及可读存储介质
CN112437332B (zh) 一种目标多媒体信息的播放方法和装置
CN111382626B (zh) 视频中违规图像的检测方法、装置、设备及存储介质
CN111259689B (zh) 用于发送信息的方法和装置
US20230224528A1 (en) Method of processing video stream, computer device, and medium
CN113486211A (zh) 帐号识别方法、装置、电子设备、存储介质及程序产品
CN113596597A (zh) 一种游戏视频加速方法、装置、计算机设备和存储介质
CN113408470A (zh) 数据处理方法、装置、电子设备、存储介质及程序产品
JP6148785B1 (ja) 情報処理システム、情報処理装置及びプログラム
CN113762156B (zh) 观影数据处理方法、装置及存储介质
CN111163327B (zh) 统计在线账户数量的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant